Un team di scienziati dell'Istituto di fisica e tecnologia di Mosca (MIPT) ha creato prototipi di "sinapsi elettroniche" basati su film ultrasottili di ossido di afnio (HfO ₂ ). Questi prototipi potrebbero essere utilizzati in sistemi informatici fondamentalmente nuovi. Il documento è stato pubblicato sulla rivista Lettere di ricerca su nanoscala .

Il gruppo di ricercatori del MIPT ha realizzato HfO ₂ a base di memristori che misurano solo 40x40 nm ² . Le nanostrutture che hanno costruito mostrano proprietà simili alle sinapsi biologiche. Utilizzando una tecnologia di nuova concezione, i memristori sono stati integrati in matrici:in futuro, questa tecnologia può essere utilizzata per progettare computer che funzionano in modo simile alle reti neurali biologiche.

I memristori (resistenze con memoria) sono dispositivi in ​​grado di cambiare il loro stato (conduttività) a seconda della carica che li attraversa, e quindi hanno un ricordo della loro "storia". In questo studio, gli scienziati hanno utilizzato dispositivi a base di ossido di afnio a film sottile, un materiale che è già utilizzato nella produzione dei moderni processori. Ciò significa che questa nuova tecnologia di laboratorio potrebbe, se richiesto, facilmente utilizzabile nei processi industriali.

"In una versione più semplice, i memristori sono promettenti celle di memoria binaria non volatile in cui le informazioni vengono scritte commutando la resistenza elettrica, da alta a bassa e viceversa. Quello che stiamo cercando di dimostrare sono funzioni molto più complesse dei memristori - che si comportano in modo simile alle sinapsi biologiche, " ha detto Yury Matveyev, l'autore corrispondente dell'articolo, e ricercatore senior del Laboratorio di materiali e dispositivi funzionali per la nanoelettronica del MIPT, commentando lo studio.

Sinapsi:la chiave per l'apprendimento e la memoria

Una sinapsi è il punto di connessione tra i neuroni, la cui funzione principale è quella di trasmettere un segnale (un picco - un particolare tipo di segnale, vedi fig. 2) da un neurone all'altro. Ogni neurone può avere migliaia di sinapsi che si connettono con un gran numero di altri neuroni. Ciò significa che le informazioni possono essere elaborate in parallelo, piuttosto che sequenzialmente (come nei computer moderni). Questo è il motivo per cui le reti neurali "viventi" sono così immensamente efficaci sia in termini di velocità che di consumo energetico nel risolvere un'ampia gamma di compiti, come il riconoscimento di immagini e voce.

Col tempo, le sinapsi possono cambiare il loro "peso", cioè la loro capacità di trasmettere un segnale. Si ritiene che questa proprietà sia la chiave per comprendere le funzioni di apprendimento e memoria del cervello.

Dal punto di vista fisico, "memoria" sinaptica e "apprendimento" nel cervello possono essere interpretati come segue:la connessione neurale possiede una certa "conduttività, " che è determinato dalla "storia" precedente dei segnali che sono passati attraverso la connessione. Se una sinapsi trasmette un segnale da un neurone all'altro, possiamo dire che ha un'alta "conduttività, "e se non lo fa, diciamo che ha una bassa "conduttività". Però, le sinapsi non funzionano semplicemente in modalità on/off; possono avere qualsiasi "peso" intermedio (valore di conducibilità intermedio). Di conseguenza, se vogliamo simularli utilizzando determinati dispositivi, anche questi dispositivi dovranno avere caratteristiche analoghe.

Il memristore come analogo della sinapsi

Come in una sinapsi biologica, il valore della conducibilità elettrica di un memristore è il risultato della sua "vita" precedente dal momento in cui è stato realizzato.

Esistono numerosi effetti fisici che possono essere sfruttati per progettare i memristori. In questo studio, gli autori hanno utilizzato dispositivi a base di ossido di afnio a film ultrasottile, che mostrano l'effetto di un guasto elettrico morbido (reversibile) sotto un campo elettrico esterno applicato. Più spesso, questi dispositivi utilizzano solo due diversi stati che codificano la logica zero e uno. Però, per simulare sinapsi biologiche, nei dispositivi doveva essere utilizzato uno spettro continuo di conducibilità.

"Il meccanismo fisico dettagliato dietro la funzione dei memristori in questione è ancora dibattuto. Tuttavia, il modello qualitativo è il seguente:nella struttura metallo–ossido ultrasottile–metallo, difetti del punto addebitato, come vacanze di atomi di ossigeno, si formano e si muovono nello strato di ossido quando esposti a un campo elettrico. Sono questi difetti che sono responsabili del cambiamento reversibile della conduttività dello strato di ossido, " afferma il coautore dell'articolo e ricercatore del Laboratorio di materiali e dispositivi funzionali per la nanoelettronica del MIPT, Sergej Zakharchenko.

Gli autori hanno utilizzato i memristori "analogici" di nuova concezione per modellare vari meccanismi di apprendimento ("plasticità") delle sinapsi biologiche. In particolare, questo ha coinvolto funzioni come il potenziamento a lungo termine (LTP) o la depressione a lungo termine (LTD) di una connessione tra due neuroni. È generalmente accettato che queste funzioni siano i meccanismi alla base della memoria nel cervello.

Gli autori sono anche riusciti a dimostrare un meccanismo più complesso:plasticità dipendente dal tempo di picco, cioè la dipendenza del valore della connessione tra neuroni dal tempo relativo impiegato per "attivarli". In precedenza era stato dimostrato che questo meccanismo è responsabile dell'apprendimento associativo, la capacità del cervello di trovare connessioni tra diversi eventi.

Per dimostrare questa funzione nei loro dispositivi a memristore, gli autori hanno volutamente utilizzato un segnale elettrico che riproduceva, per quanto possibile, i segnali nei neuroni viventi, e hanno ottenuto una dipendenza molto simile a quelle osservate nelle sinapsi viventi (vedi fig. 3).

Questi risultati hanno permesso agli autori di confermare che gli elementi che avevano sviluppato potevano essere considerati un prototipo della "sinapsi elettronica, " che potrebbe essere utilizzato come base per l'implementazione hardware di reti neurali artificiali.

"Abbiamo creato una matrice di base di memristori su scala nanometrica che dimostra le proprietà delle sinapsi biologiche. Grazie a questa ricerca, ora siamo un passo più vicini alla costruzione di una rete neurale artificiale. Potrebbe essere solo la più semplice delle reti, ma è comunque un prototipo hardware, " ha affermato il capo del Laboratorio di materiali e dispositivi funzionali per la nanoelettronica del MIPT, Andrey Zenkevich.